Accéder au contenu

Longcat Single Avatar · Image Audio to Video

Intégrer

Identifiant du modèle longcat-single-avatar/image-audio-to-video
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/longcat-single-avatar/image-audio-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Fichiers comme dans l'exemple: 0,90 $ 900 crédits API · ≈ 96,58 ₽ vos fichiers sont mesurés avant l'exécution L'exécuter sur cette page

Obtenir une clé API
Meituan Synchronisation labiale et avatars Synchronisation labialejusqu'à 720p #audio-to-video#image-to-video

Anime une image portrait fournie en vidéo parlante synchronisée avec les lèvres, suivant une piste audio

Meituan · Vidéo

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

par défaut A person is talking n...

Invite qui dirige la génération vidéo.

•obligatoire image_url
Déposez un fichier ou

URL pointant vers l’image animée.

•obligatoire audio_url
Déposez un fichier ou

URL du fichier audio utilisé pour piloter l’avatar.

resolution par défaut 480p

Résolution de la vidéo de sortie, soit 480p, soit 720p.

par défaut 1

Nombre de segments vidéo, avec environ 5.8s pour le segment initial et 5s pour chaque segment suivant — environ 5 secondes de vidéo par segment.

Avancé negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
par défaut Close-up, Bright tone...

Invite négative spécifiant ce que la génération vidéo doit éviter.

par défaut 50

Nombre d’étapes d’inférence effectuées.

par défaut 4

Échelle de guidage textuel appliquée au classifier-free guidance.

par défaut 4

Ajustement du guidage audio pouvant exagérer le mouvement de la bouche lorsqu’il est augmenté.

Valeur de graine qui initialise la génération de nombres aléatoires.

POST /run/longcat-single-avatar/image-audio-to-video?wait=20 devis → 0,90 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/longcat-single-avatar/image-audio-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Longcat Single Avatar · Image Audio to Video

Combine un `image_url` à animer avec un `audio_url` qui pilote la parole, afin que l’avatar conserve l’apparence de votre image. La résolution est de 480p ou 720p, et `num_segments` de 1 à 10 prolonge le clip : environ 5.8 secondes pour le premier segment, puis 5 secondes pour chaque segment supplémentaire. Réglez `text_guidance_scale` et `audio_guidance_scale` (tous deux de 1 à 10), ainsi que `num_inference_steps` (de 10 à 100).

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
image_urlobligatoire image
Typeurl · image
URL pointant vers l’image animée.
audio_urlobligatoire audio
Typeurl · audio
URL du fichier audio utilisé pour piloter l’avatar.
promptfacultatif
Typestring
Par défautA person is talking naturally with natural expressions and movements.
Invite qui dirige la génération vidéo.
negative_promptfacultatif
Typestring
Par défautClose-up, Bright tones, overexposed, static, blurred details, subtitles, style, works, paintings, images, static, overall gray, worst quality, low quality, JPEG compression residue, ugly, incomplete, extra fingers, poorly drawn hands, poorly drawn faces, deformed, disfigured, misshapen limbs, fused fingers, still picture, messy background, three legs, many people in the background, walking backwards
Invite négative spécifiant ce que la génération vidéo doit éviter.
num_inference_stepsfacultatif
Typeinteger
Par défaut50
10 – 100
Nombre d’étapes d’inférence effectuées.
text_guidance_scalefacultatif
Typenumber
Par défaut4
1 – 10
Échelle de guidage textuel appliquée au classifier-free guidance.
audio_guidance_scalefacultatif
Typenumber
Par défaut4
1 – 10
Ajustement du guidage audio pouvant exagérer le mouvement de la bouche lorsqu’il est augmenté.
resolutionfacultatif
Typeenum
Par défaut480p
480p720p
Résolution de la vidéo de sortie, soit 480p, soit 720p.
num_segmentsfacultatif
Typeinteger
Par défaut1
1 – 10
Nombre de segments vidéo, avec environ 5.8s pour le segment initial et 5s pour chaque segment suivant — environ 5 secondes de vidéo par segment.
seedfacultatif
Typeinteger | null
Valeur de graine qui initialise la génération de nombres aléatoires.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Option de contrôle de sécurité soumise aux autorisations du compte : les contrôles restent obligatoires pour les requêtes non autorisées, et leur désactivation nécessite une autorisation.
enable_prompt_expansionfacultatif
Typeboolean
Par défautfalse
Option d’expansion d’invite fondée sur un LLM pour améliorer la qualité vidéo grâce à une invite enrichie.
obligatoire Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu'à 10 MB ou le file_url d'un téléversement. Fichiers

Sortie

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "longcat-single-avatar/image-audio-to-video",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 900,
    "usd": "0.90",
    "charged": 900,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "seed": 42
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie sur notre stockage : conservée indéfiniment (facturation par Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Une structure identique pour chaque modèletype, url, content_type, width, height et duration, pour les images, les vidéos et l'audio. output est l'objet de résultat propre au modèle.
Champs de sortie
video
object {url, content_type, file_name, file_size}Fichier vidéo produit par la génération.
seed
integerValeur de graine appliquée pendant la génération.

Plus de modèles : Synchronisation labiale et avatars

Pour les agents IA : cette page au format Markdown est disponible à l'adresse https://doitong.com/fr-FR/developers/models/longcat-single-avatar/image-audio-to-video.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt